主要内容

泰姬陵

到高斯混合分量的马氏距离

折叠所有页面

语法

d2 = mahal(gm,X)

描述

例子

d2=泰姬陵(通用汽车，X）返回每个观察到的马氏距离的平方X中的每个高斯混合分量通用汽车．

例子

全部折叠

打开实时脚本

生成遵循两个二元高斯分布的混合的随机变量mvnrnd函数。对生成的数据拟合高斯混合模型(GMM)fitgmdist函数，然后计算生成的数据与拟合的GMM混合分量之间的马氏距离。

定义两个二元高斯混合分量的分布参数(均值和协方差)。

rng (“默认”）%用于再现性Mu1 = [1 2];第一个分量的均值Sigma1 = [2 0;0。5);第一个分量的协方差%Mu2 = [-3 -5];%第二分量的均值Sigma2 = [10 0;0 1];第二分量的协方差%

从每个组件中生成相等数量的随机变量，并将两组随机变量组合在一起。

R1 = mvnrnd(mu1,sigma1,1000);R2 = mvnrnd(mu2,sigma2,1000);X = [r1;r2);

组合数据集X包含随机变量，遵循两个二元高斯分布的混合。

适合一个双分量GMMX．

gm = fitgmdist(X,2)
gm =二维2组分高斯混合分布组件1:混合比例:0.500000均值:-2.9617 -4.9727组件2:混合比例:0.500000均值:0.9539 2.0261

fitgmdist适合一个GMMX使用两种混合成分。的方法组件1而且组件2是[-2.9617, -4.9727]而且[0.9539, 2.0261]，这是接近mu2而且mu1,分别。

计算中每个点的马氏距离X的每个组成部分通用汽车．

d2 = mahal(gm,X);

情节X通过使用散射并使用标记颜色来可视化马氏距离组件1．

散射(X (: 1) X (:, 2), 10, d2 (: 1),“。”）%大小为10的点的散点图C = colorbar;ylabel (c,到分量1的马氏距离）

图中包含一个轴对象。坐标轴对象包含一个散点类型的对象。

输入参数

全部折叠

高斯混合分布，又称高斯混合模型(GMM)，用a表示gmdistribution对象。

您可以创建gmdistribution对象使用gmdistribution或fitgmdist．使用gmdistribution函数创建gmdistribution对象来指定分布参数。使用fitgmdist函数拟合gmdistribution对给定固定数量的组件的数据进行建模。

数据，指定为n——- - - - - -米数字矩阵，n观察的次数和米是每次观察中变量的数量。

如果一排X包含nan,然后泰姬陵将行从计算中排除。中对应的值d2是南．

数据类型:单|双

输出参数

全部折叠

的马氏距离的平方X中的每个高斯混合分量通用汽车，作为n——- - - - - -k数字矩阵，n观察的数量在吗X而且k混合成分的数量是多少通用汽车．

d2 (i, j)是观测距离的平方吗我到j第th高斯混合分量。

更多关于

全部折叠

Mahalanobis距离

马氏距离是样本点和分布之间的度量。

到向量的马氏距离x有均值的分布μ和协方差Σ是

d ＝ （ x − μ ） ∑ − 1 （ x − μ ） ＇ ．

这个距离表示距离x是来自于标准差数的均值。

泰姬陵返回马氏距离的平方d2根据一项观察X将混合成分加入通用汽车．

版本历史

在R2007b中引入

另请参阅

||||

主题